ROS Melodic环境下基于PCL从点云中提取道路边缘的方法咨询

前置预处理（基于已完成的RANSAC地面估计结果优化） #

• 离群点过滤：使用统计滤波或半径滤波剔除地面点云中的孤立噪声点，避免后续特征提取出现误判
• 平面投影降维：将三维地面点投影到RANSAC拟合得到的平面坐标系下，转换为二维平面点集，大幅降低后续计算量

顶点特征提取 #

顶点一般指道路拐角、路口转角等角点类特征，两种可直接落地的实现方法：

• 三维曲率计算法：对每个地面点计算指定邻域内的曲率值，曲率高于预设阈值的点判定为候选顶点，再通过非极大值抑制去除重复候选点即可
• 二维角点检测法：将投影后的平面点转换为二值栅格图或深度图，直接调用Harris角点检测算法提取顶点，计算效率远高于三维直接计算，适配大场景街道点云

道路边缘特征提取 #

针对道路与非道路区域的边界特征提取，三个适配不同场景的方案：

方案1：邻域特征阈值法（通用场景首选） #

对每个地面点取半径为点云分辨率3-5倍的邻域范围，计算邻域内的高程方差、法向量方向变化率，边缘点的这两个数值会远高于道路内部点，设置合理阈值即可筛选出候选边缘点

方案2：扫描线突变检测（有序LiDAR点云首选） #

如果源数据是32线/64线等LiDAR采集的有序点云，可直接按LiDAR扫描线拆分点集，计算同一条扫描线上相邻点的距离突变值，突变位置即为边缘点，计算量极低，可满足实时检测需求

方案3：区域生长轮廓提取（非结构化道路首选） #

首先选取平面度高、曲率低的地面点作为道路区域种子点，按照高程差、曲率阈值做区域生长得到完整道路区域，直接提取区域轮廓即为原始道路边缘，再通过RANSAC拟合得到规整的连续边缘线

结果优化 #

• 匹配验证：提取到的顶点应当为边缘线的端点或拐点，直接剔除不落在边缘线上的孤立顶点，降低误检率
• 边缘拟合：将零散的边缘点通过最小二乘或RANSAC拟合为连续线段，过滤离散的噪声边缘点

内容的提问来源于stack exchange，提问作者Sant